在Java中将XML文件复制到新的XML文件中写入

Question

我想知道是否有可能使用Java中的XML解析器逐行读取XML文档中的每一行，然后在另一个XML文件中重新生成相同的文档？（在我的情况下，只需要复制从点X到点Y的行）。我考虑过在小试验中使用缓冲读取器和缓冲写入器，但它没有正确输出文件。以下是我在试验中所做的事情，但这不是我想要的。那么，有没有人有这方面的经验或者有任何想法或建议可以提供？谢谢您提前。

JAVA CODE

public class IPDriver 
{
    public static void main(String[] args) throws IOException
    {
        BufferedReader reader = new BufferedReader(new FileReader("C:/Documents and Settings/user/workspace/Intern Project/Proposals/Converted Proposals/Extracted Items/ProposalOne/word/document.xml"));
        BufferedWriter writer = new BufferedWriter(new FileWriter("C:/Documents and Settings/user/workspace/Intern Project/Proposals/Converted Proposals/Extracted Items/ProposalOne/word/tempdocument.xml"));

        String line = null;

        while ((line = reader.readLine()) != null)
        {
            writer.write(line);
        }

        // Close to unlock.
        reader.close();
        // Close to unlock and flush to disk.
        writer.close();
    }
}

感谢Ted Hopp提供的可工作的JAVA代码

public class IPDriver 
    {
        public static void main(String[] args) throws IOException
        {
            BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream("C:/Documents and Settings/user/workspace/Intern Project/Proposals/Converted Proposals/Extracted Items/ProposalOne/word/document.xml"), "UTF-8"));
            BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream("C:/Documents and Settings/user/workspace/Intern Project/Proposals/Converted Proposals/Extracted Items/ProposalOne/word/tempdocument.xml"), "UTF-8"));

            String line = null;

            while ((line = reader.readLine()) != null)
            {
                writer.write(line);
            }

            // Close to unlock.
            reader.close();
            // Close to unlock and flush to disk.
            writer.close();
        }
    }

- This 0ne Pr0grammer

---

为什么这个不起作用？它是不是报错了或者有其他问题？ - Pangolin

输出有什么问题吗？我猜想你想使用XML解析器来获得更好的控制和输出？我这样评论是因为你上面的示例代码根本没有使用解析器。 - Perception

基本上，在Ted的解决方案之前，我只能获取原始XML文档的1/20，然后在新文档中报告了一些样式表错误。 - This 0ne Pr0grammer

Answer 1

如果你的代码没有正确地复制文件，我的猜测是你有一个字符编码问题。由于XML的默认编码是UTF-8，而FileReader的默认编码是你的平台的默认编码，我建议改为这样做：

BufferedReader reader = new BufferedReader(
    new InputStreamReader(
        new FileInputStream("...input file path..."),
        "UTF-8"
    )
);
BufferedWriter writer = new BufferedWriter(
    new OutputStreamWriter(
        new FileOutputStream("...output file path..."),
        "UTF-8"
    )
);

XML解析器会给你元素（或元素事件），而不是行。例如，它们无法区分空格变化的差异：

<tag attr1="val1" attr2="val2" />

对比：

<tag attr1="val1"
     attr2="val2"
     />

如果您的要求包括区分这两种情况，那么使用XML解析器方法将无法实现。

- Ted Hopp

---

@Ted Hopp，太好了！非常感谢。但是，对于我想要做的事情，我不确定应该在我的代码中添加什么来仅抓取我想要的部分。例如，我想能够识别存储在您上面示例中的“val”实例...抓取该“行”下面的所有内容，直到找到另一个“val”实例。这可能吗？ - This 0ne Pr0grammer

这取决于你对文件内容的控制程度、XML结构的复杂程度以及你所需的内容。我倾向于使用DOM解析器，对不需要的内容进行一些操作，从修改后的DOM生成XML，并接受格式丢失的结果。然而，如果文档结构足够简单，你可以使用正则表达式搜索实现自己的粗略解析。关键是要考虑所有可能会破坏代码的文档内容，然后防范它们。这并不是一项容易的任务。 - Ted Hopp

如果您需要从 XML 中获取数据，您应该使用 XML 解析器 - 这是使用 XML 的一个基本规则。唯一不需要解析的情况是进行盲拷贝。 - StaxMan

@Ted Hopp，@StaxMan 我的经验（到目前为止）是使用SAX解析器从给定的xml文档中提取出我所需要的必要属性。之前我犹豫不决是否要在此情况下使用解析器的原因是因为（继续之前所说的），除了在heading1和heading2之间爬取信息外，我还想确定是否存在“image”的实例在这两个标题之间。如果是这样，那么我想将该部分保留在一个单独的文档中，并仅解析该文档以查找目标属性（最有可能使用SAX）。 - This 0ne Pr0grammer

@Ted Hopp，@StaxMan，然而，我相信解析器只能向下读取，无法向上读取。因此，如果我要使用解析器识别图像实例，我将无法刮掉其上面的部分。所以现在我真的不确定最好的方法是什么。 :/ - This 0ne Pr0grammer

@This 0ne- 我认为你会发现使用DOM解析器比SAX更容易。(它占用内存较高，但确实有其用途。)你可以轻松地在子树中搜索标记、剪切掉你不想要的部分，并且很容易使用转换器从剩余的内容生成XML。 - Ted Hopp

Answer 2

如果您只需要一份副本，请不要犯使用Reader而是使用InputStream/OutputStream的初学者错误。即使使用Reader，为什么还要逐行读取呢？只需读取缓冲区中的字符即可。

那么为什么要避免使用Reader呢？因为它增加了将字节解码为字符（并要求Writer从字符编码为字节）的开销，这对您没有任何价值。如果您另外犯一个常见错误，即未指定要用于Reader或Writer的编码，则可能会出现问题 - 这将使用任何平台默认编码，这可能与您正在读取的文件使用的编码相同，也可能不同。

- StaxMan

Answer 3

您可以使用StAX轻松地链接读者和作者。使用该API，您还可以轻松创建一个过滤器来提取文档中所需的部分。以下是一些可能有用的链接：

• http://www.ibm.com/developerworks/xml/library/x-tipstx2/
• http://download.oracle.com/javaee/5/tutorial/doc/bnbfl.html#bnbgh

- ewan.chalmers

---

我会使用StAX，但我刚开始熟悉SAX并将其纳入了我的项目阶段。您认为StAX与SAX有多大不同？ - This 0ne Pr0grammer

使用SAX通常就像尝试倒立爬树一样困难，或者像以逆波兰式表达式编写代码一样。或者用计算机科学的术语来说：它是基于事件循环（监听器）的，因此您最终需要编写处理程序并跟踪状态，所有这些都非常复杂。Stax更加直观；您可以使用游标（XMLStreamReader）按照XML文档中的顺序读取内容，然后类似地编写它们。 - StaxMan

就像他所说的那样，StAX是基于拉取光标的，而不是SAX的推模型。这使得它非常适合你正在尝试做的事情。你将使用更少的代码来完成工作，并且编写和阅读代码可能更直观。话虽如此，你当然也可以使用SAX来完成工作。你可以利用实习项目的机会学习两者。这将是值得花费时间的。 - ewan.chalmers